Niedostateczna reprezentacja twórców z uwagi na rasę i płeć: sztuka, moda, film i muzyka / Chad M. Topaz, Jude Higdon, Avriel Epps-Darling, Ethan Siau, Harper Kerkhoff, Shivani Mendiratta & Eric Young

Tworzenie sztuki jest uniwersalnym ludzkim zachowaniem, które przynosi korzyści jednostkom i całemu społeczeństwu (Dissanayake, 2015 ). Sztuka może łączyć, edukować, wspierać zdrowie, poprawiać dobrostan, pobudzać gospodarkę i nie tylko (Arts Council England, 2014 ; Elsen, 1976 ; Kaimal i in., 2016 ; Siegesmund, 1998 )). Dla niektórych imperatywy etyczne przemawiają za znaczeniem różnorodności w dziedzinach kreatywnych. Ten imperatyw jest dwustronny. Obejmuje zarówno dostęp do kariery dla osób z grup niedostatecznie reprezentowanych lub wykluczonych, jak i zdolność osób zmarginalizowanych do dostrzeżenia twórczości, która odzwierciedla ich tożsamość i doświadczenia. Niezależnie od wszelkich imperatywów etycznych, różnorodność ma znaczenie, ponieważ zwiększa wspomniane korzyści płynące ze sztuki (Arts Council England, 2019 ). Oznacza to, że korzyści te rosną, gdy nie ma żadnych barier dla osób chcących tworzyć twórczość artystyczną, a publiczność decyduje się na zaangażowanie w twórczość, która jest dla nich ważna. Niestety, jak niedawno zaczęły podkreślać badania empiryczne, rzeczywistość odbiega od tego ideału.

Nasze obecne badanie stara się przyspieszyć dyskusję na temat wykluczenia w sztukach kreatywnych. Chociaż może istnieć instynktowne lub anegdotyczne zrozumienie powagi niedostatecznej reprezentacji grup mniejszościowych w dziedzinach kreatywnych, dowodów empirycznych wciąż jest niewiele. W ten sposób przyjrzymy się szeroko wywnioskowanej społecznie tożsamości demograficznej jednostek w czterech współczesnych domenach twórczych: sztuce współczesnej, modzie, filmie i muzyce popularnej. Co więcej, koncentrujemy się na poziomach tych dziedzin, które tradycyjnie można uważać za wpływowe: główne muzea sztuki w USA, pokazy mody, hollywoodzkie filmy kasowe i czołowe listy przebojów muzyki popularnej.

Nasza praca składa się z czterech wkładów wysokiego szczebla. Po pierwsze, łącząc oceny z tych dziedzin, po raz pierwszy jesteśmy w stanie podkreślić podobieństwa i różnice między nimi. Po drugie, wspólnie badamy płeć i rasę/pochodzenie etniczne w każdej z tych dziedzin, co umożliwia nam ocenę przecinających się tożsamości. Po trzecie, dokonujemy porównań między społecznie wnioskowanymi danymi demograficznymi twórców kreatywnych a danymi demograficznymi populacji Stanów Zjednoczonych, podkreślając stopień niedostatecznej reprezentacji niektórych grup. Na koniec podkreślamy przejrzystą i częściowo zautomatyzowaną metodologię, aby nasze badanie mogło być powtarzane w czasie w celu oceny zmian.

Nasza praca nie jest ani psychologiczną, socjologiczną, ani teorią organizacji, której celem jest wyjaśnienie mechanizmów niedostatecznej reprezentacji. Celem naszego badania obserwacyjnego, w którym wykorzystano dogodną próbę, jest raczej identyfikacja i ilościowe określenie miejsc niedostatecznej reprezentacji zarówno pod względem określonych dziedzin twórczości, jak i grup demograficznych. Nasza praca ma ważne ograniczenia i ostrzegamy czytelnika, aby zwracał na nie szczególną uwagę, jak omówiono w całym tekście i podsumowano w sekcji „Wnioski”.

Na podstawie naszego badania 2229 współczesnych artystów, 889 projektantów mody, 1580 aktorów filmowych i 221 popularnych muzyków, nasze główne wyniki są następujące. Podczas gdy kobiety stanowią 51% populacji Stanów Zjednoczonych, okazuje się, że są one niedostatecznie reprezentowane w sztuce współczesnej (28%), modzie (45%), filmie kasowym (27%) i muzyce popularnej (17%). Mniejszościowe grupy rasowe/etniczne stanowią 39% populacji USA, ale stanowią zaledwie połowę tej liczby w sztuce współczesnej (22%), modzie (22%) i filmie (19%). Czarni artyści muzyczni mają wyższą reprezentację (48%), chociaż wyższa reprezentacja nie jest równoznaczna z równością i włączeniem. Jeśli chodzi o przecinające się tożsamości, biali mężczyźni są nadreprezentowani we wszystkich czterech domenach według współczynników od 1,4 do 2, a większość innych grup płciowo-rasowych/etnicznych jest dalej marginalizowana.

Nasze badanie empiryczne jest częścią niewielkiego, ale rozwijającego się krajobrazu badawczego związanego z różnorodnością i reprezentacją w sztuce i mediach. Poniżej dokonujemy przeglądu wybranych stypendiów w każdej z czterech dziedzin twórczych, a mianowicie sztuki współczesnej, mody, filmu kasowego i muzyki popularnej, koncentrując się na znaczeniu różnorodności w tych dziedzinach i na istniejących wynikach empirycznych.

Sztuka współczesna

W 1986 roku kolektyw anonimowych artystek znany jako Guerrilla Girls wydał kartę raportu zestawiającą liczbę artystek wystawianych w ciągu dwóch kolejnych lat w każdej z 17 komercyjnych galerii sztuki (Guerrilla Girls, 1986 ) . Te zestawienia ujawniły poważną niedoreprezentację kobiet, którą Guerilla Girls uzupełniły pisemnymi komentarzami, takimi jak „wciąż niezadowalający” i „szaleństwo od chłopców”. Raport służył jako wezwanie do działania na rzecz równości, różnorodności i integracji w świecie sztuki. Kilkadziesiąt lat później artyści tacy jak Micol Hebron i anonimowy kolektyw Pussy Galore kontynuowali tradycję Guerrilla Girls. Na przykład w zestawieniu 34 galerii z 2015 r. mediana galerii miała 29% artystek (Buffenstein, 2016 ).

Krajobraz różnorodności jest również ponury na aukcjach. Według jednego z badań obejmujących ponad 400 aukcji (Halperin i Burns, 2019 ) , dzieła sztuki stworzone przez kobiety stanowiły skromne 2% sprzedaży aukcyjnej między styczniem 2008 a majem 2019. To samo badanie wykazało, że z tych 2% prawie połowa sprzedaży dotyczyła prac zaledwie pięciu artystów: Yayoi Kusama, Joan Mitchell, Louise Bourgeois, Georgia O’Keefe i Agnes Martin. Ta koncentracja zainteresowania w tak małej grupie sugeruje, że możliwości artystek są jeszcze bardziej ograniczone, niż wcześniej sądzono. Badanie 1,5 miliona transakcji aukcyjnych w 45 krajach wykazało, że w stosunku do obrazów wykonanych przez mężczyzn, ceny obrazów wykonanych przez kobiety są obniżone o 48% (Adams i in., 2018) .). Podobnie sytuacja wygląda w przypadku różnorodności rasowej/etnicznej. Na przykład dzieła artystów afroamerykańskich stanowiły zaledwie 2,3% nabytków i prezentów dzieł sztuki w latach 2008-2018. Ponadto tylko 7,7% wystaw w galeriach komercyjnych w tym okresie koncentrowało się na pracach twórców afroamerykańskich (Halperin i Burns, 2019 ) .

Ponad 30 lat później, zainspirowane przełomowymi wysiłkami Guerrilla Girls, w jednym badaniu określono ilościowo marginalizację artystów w zbiorach muzeów sztuki. To badanie z 2019 r., w którym przeanalizowano 18 znanych muzeów w całych Stanach Zjednoczonych, wykazało, że 85% artystów to biali, a 87% to mężczyźni (Topaz i in., 2019 ) . Podczas gdy to badanie dotyczyło ogólnych zasobów katalogowych, inne badanie koncentrowało się na wystawach specjalnych. Spośród około 2000 przebadanych programów 10,9% było poświęconych artystom czarnoskórym, 6,6% artystom z Azji i Azji, 5,5% artystom z Ameryki Łacińskiej i Latynosów, a 0,1% artystom rdzennych Amerykanów i rdzennych mieszkańców. Tylko w czterech pokazach artyści używali zaimków w czasie wystawy (Greenberger, 2019 ).

Moda

Różnorodność w modzie, a właściwie jej brak, ma wymierne efekty. Jeden z pierwszych nurtów badań nad różnorodnością w modzie skupiał się na typie sylwetki. Narażenie na szczupłe idealne ciała ma negatywny wpływ psychologiczny na kobiety, podobnie jak narażenie na muskularne, hipermaskulinizowane ciała dla mężczyzn. I odwrotnie, kontakt z modelkami o różnych rozmiarach i kształtach ciała może promować pozytywny obraz ciała u widzów (Barry, 2014 ; Borland i Akram, 2007 ; Diedrichs i Lee, 2010 ; Grabe i in., 2008 ). Niedawno popularna uwaga zwróciła się na inne osie różnorodności w modzie, a Vogue opublikował harmonogram przełomów w różnorodności w latach 2010 (Okwodu, 2019 ).

Pomimo pewnych przełomów branża modowa pozostaje dość jednorodna. Jedno z badań podręczników projektowania mody i opracowywania produktów wykazało, że spośród 3124 przedstawionych modelek zaledwie 15% to osoby kolorowe (Reddy-Best i in., 2018 ). W innym badaniu zbadano rasę/pochodzenie etniczne modelek dla pierwszych dziesięciu stylizacji zaprezentowanych przez Calvina Kleina, Chanel i Versace podczas nowojorskiego tygodnia mody w latach 1992-2019. Aż 88% było białych (McDowell, 2019) .). Mówiąc szerzej, The Fashion Spot publikuje „Raporty różnorodności” co kilka miesięcy, począwszy od czerwca 2014 r. Raporty te badają tygodnie mody w Nowym Jorku, Paryżu i Londynie, aby ocenić różnorodność modelek na różnych osiach, w tym rasę / pochodzenie etniczne. Reprezentacja białych modeli utrzymuje się na wysokim poziomie 60% na wiosnę 2021 r., chociaż spadła z 85% w 2015 r. (Schimminger, 2020 ).

Podczas gdy różnorodność modeli jest obecnie przedmiotem regularnych badań, mniej wiadomo o innych uczestnikach branży modowej. Podczas tygodni mody w Paryżu, Nowym Jorku, Londynie i Mediolanie wiosną 2020 r. odsetek białych projektantów prowadzących pokazy wynosił odpowiednio 58%, 66%, 70% i 88% (Kent, 2019 ) . Aby uzyskać ogólne pojęcie o tej dziedzinie, Rada Projektantów Mody Ameryki przeprowadziła ankietę wśród 50 dyrektorów 30 największych firm modowych, prosząc ich o opinie na temat różnorodności w branży. Ci dyrektorzy ocenili branżę jako „przeciętną” (Council of Fashion Designers of America i PVH Corp., 2019). Wreszcie w jednym z badań badaczka pracowała jako modelka prowadząc dwuipółletnią etnografię. Doszła do wniosku, że decydenci w modzie „stoją w obliczu intensywnej niepewności rynkowej” i jako strategiczną reakcję „polegają na konwencjach, imitacjach i stereotypach, aby kierować swoimi decyzjami” (Mears, 2010 ) .

Film

Tożsamość płciowa i rasowa/etniczna w filmie odgrywają kluczową rolę w kształtowaniu naszego społeczeństwa i mogą wzmacniać seksizm i rasizm (Eschholz i in., 2002 ). Od początku przemysłu filmowego brakowało różnorodności wśród aktorów filmowych, reżyserów, producentów, scenarzystów i innych współpracowników (Amaral i in., 2020 ). Co więcej, od samego początku przemysł filmowy był wykorzystywany do uzasadniania hierarchii rasowych i wzmacniania supremacji białych (Erigha, 2019 ). Jednocześnie najnowsze dowody sugerują, że społeczeństwo pragnie, aby filmy prezentowały większą różnorodność (King i in., 2021 ).

Znajdujące się niedaleko Hollywood uniwersytety w południowej Kalifornii są liderami w badaniu różnorodności w przemyśle filmowym (Hunt i Ramón, 2020 ; Smith i in., 2020 ). Na przykład badanie Annenberg Inclusion Initiative z 2020 r. przeprowadzone na Uniwersytecie Południowej Kalifornii dotyczy 100 najbardziej dochodowych filmów z lat 2006–2019 (Smith i in., 2020). W przypadku filmów z 2019 r. kobiety stanowiły zaledwie 34% postaci mówiących, co nie różni się znacząco od 30% z 2007 r. Jednocześnie dla danych z 2019 r. 66% postaci mówiących było rasy białej. Spośród 100 filmów tego roku 15 nie miało mówiących postaci, które były czarnymi, 44 nie miało Latynosów / Latynosów, a 36 nie miało żadnych Azjatów. Nastąpiło prawie całkowite wymazanie postaci z rodzimych, bliskowschodnich / północnoafrykańskich i innych mniejszościowych środowisk rasowych / etnicznych.

Jednorodność płci i rasy/etniczności nie występuje jedynie przed kamerą. W przypadku 1300 filmów przebadanych (Smith i in., 2020 ) stosunek płci wśród reżyserów wynosił 12,2 mężczyzn na jedną kobietę. To samo badanie wykazało, że w filmach wyreżyserowanych przez kobiety kobiety występują w roli głównych postaci ponad dwukrotnie częściej niż w filmach reżyserowanych przez mężczyzn. Łącznie te dwa wyniki wskazują na błędne koło wykluczenia. Jeśli chodzi o rasę/pochodzenie etniczne, ponad 80% reżyserów głównych filmów z 2019 roku zostało zidentyfikowanych jako biali. Jednak podobnie jak w przypadku płci, dane demograficzne za kamerą wpływają na osoby przed kamerą. Podczas gdy tylko 12,1% mówiących postaci było czarnych w filmach wyreżyserowanych przez reżyserów innych niż czarnoskórzy, odsetek ten wyniósł 53% w przypadku filmów z czarnymi reżyserami.

Muzyka

Podobnie jak w innych dziedzinach twórczości, tożsamości reprezentowane w muzyce popularnej mają realny wpływ. W jednym z badań studenci studiów licencjackich mieli kontakt z muzyką pop z listy Top 40 (w tym Gwen Stefani, Justin Timberlake, Akon i Rihanna), głównym nurtem rocka (w tym Foo Fighters i Radiohead) oraz samoidentyfikującym się białym power rockiem (Prussian Blue, Max Resist ). Badani zostali następnie poproszeni o rozdzielenie funduszy w hipotetycznej sytuacji dla grup studenckich na kampusie różnych ras. W eksperymencie post-testowym białe grupy były bardziej faworyzowane po kontakcie z mainstreamowym i białym power rockiem w porównaniu z muzyką Top 40 (LaMarre i in., 2012 ).

Nierówności w muzyce popularnej mogą zacząć się na poziomie korporacyjnym, gdzie decydenci mają władzę kontrolowania treści docierających do konsumentów. Badanie przeprowadzone na 4500 wytwórniach fonograficznych wykazało, że ponad 85% wykazywało historię podpisywania kontraktów głównie z mężczyznami, podczas gdy tylko 35% w ogóle podpisywało kontrakty z kobietami-muzykami (Wang i Horvát, 2019 ) . W brytyjskim przemyśle muzycznym kobiety zajmują 60% stanowisk stażystów i początkujących, ale zaledwie 30% stanowisk kierowniczych (Njoke-Goodwin i in., 2020 ). Nierówność płac jest powszechna, a główne marki, takie jak Sony, Warner i Universal, płacą mężczyznom średnio o 34% więcej niż kobietom na wszystkich poziomach biznesu (Jones, 2018 ) .

Podobnie jak w przypadku przemysłu filmowego, Annenberg Inclusion Initiative opracowuje coroczne statystyki dotyczące różnorodności w muzyce popularnej (Smith i in., 2021). Ich badanie bada płeć i rasę/pochodzenie etniczne muzyków i producentów w 100 popularnych piosenkach rocznie od 2012 do 2020 roku. W tych latach rozpowszechnienie kobiet-muzyków nigdy nie osiągnęło 30%, a w 2019 roku było to zaledwie 20%. okresie kobiety stanowiły zaledwie 13% nominowanych do nagrody Grammy. Jeśli chodzi o osoby kolorowe, reprezentacja wśród muzyków z najlepszymi piosenkami wzrosła z niskiego poziomu 31% w 2013 r. do 59% w 2020 r. Raport Annenberg nie komentuje ogólnej reprezentacji osób kolorowych wśród zdobywców nagrody Grammy, ale zwraca uwagę, że wśród W ciągu ostatnich 9 lat nominowano 182 kobiety, zaledwie 39% pochodziło z mniejszościowych grup rasowych/etnicznych.

Badamy ponad 4700 twórców sztuki współczesnej, mody, filmów kasowych i muzyki popularnej w Stanach Zjednoczonych. Sekcję „Crowdsourcing” zaczynamy od opisu Amazon Mechanical Turk, narzędzia, z którego korzystamy w całym naszym badaniu. W sekcji „Tożsamość” opisujemy interesujące nas cechy demograficzne, a mianowicie płeć i rasę/pochodzenie etniczne. Naszym celem nie jest określenie prawdziwej tożsamości jednostek wzdłuż tych osi (ponieważ nie jest to możliwe bez samookreślonych przez jednostki identyfikacji), ale raczej przypisanie ich przez społeczeństwo i szczegółowo uzasadniamy to podejście. Jak opisano w sekcji „Zakres badań”, punktem wyjścia dla naszych badań są współpracownicy z czterech dziedzin: współcześni artyści, których prace pojawiają się w niektórych prestiżowych muzeach; projektanci mody, których ubrania były pokazywane na najważniejszych pokazach mody; obsada i ekipa najbardziej dochodowych filmów kasowych; i popularni muzycy, którzy pojawiali się na szczytach list przebojów. Dane dotyczące współczesnych artystów pochodzą z wcześniejszych badań (Topaz i in.,2019 ). Dla pozostałych trzech domen kreatywnych zbieramy nowe dane dotyczące aktywności twórczej w 2018 i 2019 roku. Ze względu na pandemię COVID-19 rok 2020 i 2021 mogą być latami anomalnymi i ich nie badamy. Sekcja „Wnioskowanie demograficzne oparte na crowdsourcingu” zawiera więcej szczegółów na temat wnioskowania społecznego na podstawie danych demograficznych.

Crowdsourcing

Crowdsourcing odgrywa kluczową rolę w naszym procesie gromadzenia danych. Używamy Amazon Mechanical Turk (MTurk). MTurk to platforma pracy crowdsourcingowej, na której osoby żądające publikują zadania, które pracownicy mogą wykonać za opłatą pieniężną. Zadania te nazywane są HIT , co oznacza Human Intelligence Tasks. HIT to zadania, które ludzie mogą stosunkowo łatwo wykonać, ale których wykonanie jest trudne lub niemożliwe do zaprogramowania przez komputer. Gdy pracownik ukończy zadanie, zleceniodawca może przejrzeć wykonaną pracę i zatwierdzić płatność. Wykorzystanie MTurk do badań wnioskowanej różnorodności demograficznej zostało ustalone na przykład w (Topaz i Sen, 2016 ; Topaz i in., 2019 , 2020 ).

Podejmujemy kilka kroków w celu promowania jakości danych. Po pierwsze, ograniczamy dostęp do naszych HIT, aby były dostępne tylko dla pracowników, którzy wcześniej wykonali co najmniej 1000 HIT na MTurk i którzy mają co najmniej 99% wskaźnik akceptacji dla tej poprzedniej pracy. Po drugie, ponieważ nasze badanie wykorzystuje charakterystykę demograficzną, która jest powszechna w Stanach Zjednoczonych, i ponieważ dotyczy twórców, którzy w dużej mierze znajdują się w Stanach Zjednoczonych, ograniczamy nasze HIT, aby były dostępne tylko dla pracowników zlokalizowanych w Stanach Zjednoczonych. Po trzecie, każda osoba w naszym badaniu jest badana niezależnie przez co najmniej czterech pracowników. Co więcej, na koniec, dla każdej osi różnorodności, każdy pracownik podaje ocenę pewności dla swojej odpowiedzi, a my używamy tych ocen do ważenia odpowiedzi, aby uzyskać lepszy opis konsensusu tłumu.

Tożsamość

Wierzymy, że jedynym prawdziwym źródłem wiedzy o tożsamości jednostki jest jednostka. Aby poznać prawdziwą tożsamość kreatywnych twórców, należałoby znaleźć publiczne autoafirmacje złożone przez nich lub poprosić o ich dane demograficzne za pomocą ankiety, która prawdopodobnie miałaby niski wskaźnik odpowiedzi.

Biorąc pod uwagę wyzwanie polegające na odkryciu prawdziwych tożsamości, zamiast tego badamy postrzeganie tych tożsamości przez społeczeństwo. Wykorzystamy społecznie wywnioskowane cechy demograficzne jako przybliżone wskaźniki tożsamości, pamiętając jednocześnie, że nie można zakładać, że są one takie same. To ograniczenie mówi o wartości, jaką miałyby informacje demograficzne, które można zidentyfikować samodzielnie. Nie mając takich informacji, przystępujemy, choć ostrożnie, do ilościowego zrozumienia niedostatecznej reprezentacji w dziedzinach kreatywnych.

Pomocniczo, nasza praca może mówić o dyskryminacji percepcyjnej , to znaczy dyskryminacji opartej na postrzeganiu, że jednostka jest członkiem określonej grupy tożsamościowej. Przegląd dyskryminacji percepcyjnej zob. (Maril i Gill, 2018 ), a badania empiryczne wykazujące ten wpływ na rasę i płeć zob. (Bertrand i Mullainathan, 2004 ; Moss-Racusin i in., 2012 ).). W naszym badaniu obserwujemy niski udział niektórych grup demograficznych, a ten niski udział jest prawdopodobnie wynikiem zarówno czynników strukturalnych, jak i interpersonalnych. Rozważmy na przykład rasę/pochodzenie etniczne aktorów w hollywoodzkich filmach. Osoba czarnoskóra może być bardziej narażona na szerokie, strukturalne wyzwania związane z zostaniem aktorem, na przykład międzypokoleniowe ubóstwo i uszczerbki na zdrowiu (Brunt, 2013 ; Goosby i Heidbrink, 2013). Wyzwania te będą istniały dla jednostki niezależnie od tego, czy agent castingowy wie, że aktor jest czarny. Jednak aspirujący aktor, którego agent ds. Castingu uważa za czarnego, może również spotkać się z ukrytymi uprzedzeniami lub dyskryminacją z powodu tej postrzeganej tożsamości. Podobne mechanizmy kontroli dostępu mogą zostać aktywowane w dowolnej z naszych kreatywnych domen, gdy maklerzy władzy postrzegają osobę jako posiadającą określone tożsamości. Krótko mówiąc, wywnioskowana tożsamość odgrywa rolę w wykluczeniu.

Ograniczamy nasze badanie do płci i rasy/pochodzenia etnicznego. Inne osie różnorodności demograficznej obejmują orientację seksualną, prezentację płciową, niepełnosprawność, neuroróżnorodność, wiek, religię, status społeczno-ekonomiczny i inne. Rozważaliśmy możliwość zbadania tożsamości LGBTQ+ i stanu niepełnosprawności fizycznej, ale ostatecznie zdecydowaliśmy się tego nie robić ze względu na obawy dotyczące ograniczeń naszego podejścia, omówionych bardziej szczegółowo poniżej. Jak wyjaśnimy, nasza metodologia opiera się na tym, że pracownicy MTurk wywnioskują cechy tożsamości z publicznie dostępnych informacji. Jednak osoby posiadające określone tożsamości mogą mieć istotne powody, aby nie upubliczniać ich, nawet poza nieodłącznym prawem do prywatności. Na przykład osoby LGBTQ+ i osoby niepełnosprawne mogą mieć obawy związane z dyskryminacją, nienawiścią i innymi konsekwencjami społecznymi i zawodowymi. W każdym przypadku, nasza metodologia nie wywnioskowałaby, że ktoś jest LGBTQ+, chyba że był publicznie. Podobnie, nasza metodologia nie wywnioskowałaby, że ktoś jest niepełnosprawny fizycznie, chyba że zdecydował się aktywnie ujawnić niepełnosprawność lub miał ograniczenia ruchowe lub funkcjonalne wykrywalne dla przypadkowych obserwatorów.

Nawet ograniczone do osi płci i rasy/pochodzenia etnicznego wnioski demograficzne są skomplikowane. Płeć jest konstruktem, który żyje na styku socjologii, psychologii, biologii i innych czynników (Kessler i McKenna, 1985 ; Ruble i in., 2007 ) i nadal jest aktywnym obszarem badań. Kategorie rasowe nie mają podstaw biologicznych (Yudell i in., 2016 ), a ponadto uczeni wciąż debatują nad znaczeniem rasy i pochodzenia etnicznego (Kincaid, 2018 ; Tibayrenc i Ayala, 2016 ). Pomimo wyzwań związanych z definiowaniem płci, rasy i pochodzenia etnicznego, koncepcje te mają namacalny wpływ, zwłaszcza w sposobie, w jaki były wykorzystywane jako narzędzia opresji, gdy były przypisywane jednostkom i grupom (Bederman, 2008; Collins i Bilge, 2016 ; Crenshawa, 1990 ; Kendi, 2016 ).

Zakres badań

Interesują nas współczesne wkłady twórcze. Istnieje wiele dziedzin, które można rozważyć, w tym taniec, literatura, muzyka instrumentalna i wiele innych. Jako próbkę dla wygody wybieramy cztery domeny o szerokim zasięgu i dostępnych danych: sztuka współczesna, moda, filmy kasowe i muzyka popularna. Istnieje wiele potencjalnych miejsc dociekań w ramach tych czterech kreatywnych domen. Na przykład w odniesieniu do sztuki współczesnej można badać różnorodność kuratorów muzeów, odwiedzających muzea, artystów w galeriach handlowych i nie tylko. W modzie można studiować modelki, fotografów, dyrektorów domów projektowych i tak dalej. Jak teraz opiszemy, naszym własnym interesem są osoby najbardziej bezpośrednio odpowiedzialne za twórczość artystyczną na wysokim poziomie.

W przypadku współczesnej sztuki muzealnej wykorzystujemy dane zebrane w poprzednim badaniu. W szczególności (Topaz i in., 2019 ) zbadali społecznie wnioskowane dane demograficzne artystów, których prace znajdowały się w zbiorach 18 głównych amerykańskich muzeów sztuki w czasie gromadzenia danych w 2017 i 2018 r. Te muzea to:

• Muzeum Sztuki w Dallas,
• Muzeum Sztuki w Denver,
• Instytut Sztuki w Detroit,
• Wysokie Muzeum Sztuki w Atlancie,
• Muzeum Sztuki Hrabstwa Los Angeles,
• Metropolitan Museum of Art w Nowym Jorku,
• Muzeum Sztuki, Rhode Island School of Design,
• Muzeum Sztuki Współczesnej w Los Angeles,
• Muzeum Sztuk Pięknych w Bostonie,
• Muzeum Sztuk Pięknych w Houston,
• Muzeum Sztuki Nowoczesnej w Nowym Jorku,
• Narodowa Galeria Sztuki w Waszyngtonie,
• Muzeum Sztuki Nelsona-Atkinsa w Kansas City,
• Muzeum Sztuki w Filadelfii,
• Muzeum Sztuki Nowoczesnej w San Francisco,
• Whitney Museum of American Art w Nowym Jorku i
• Galeria Sztuki Uniwersytetu Yale.

W pierwotnym badaniu pobrano 186 657 rekordów artystów ze stron internetowych tych muzeów i pobrano próbki 11 522 z nich do zbadania. Spośród nich 10 108 odpowiadało indywidualnym możliwym do zidentyfikowania artystom; pozostałe rekordy to firmy ( np . Tiffany Studios), kolektywy, kolaboracje lub niezidentyfikowani artyści. Zestaw danych zawiera również dekadę urodzenia każdego artysty. Ze względu na nasze zainteresowanie sztuką współczesną ograniczamy uwagę do artystów urodzonych w 1940 roku lub później, których w zbiorze danych jest 2229.

W dziedzinie mody badamy projektantów mody pokazywanych na wybiegach podczas tygodni mody „Wielkiej Czwórki”: Londynu, Mediolanu, Nowego Jorku i Paryża. Ponieważ trzy z tych tygodni mody odbywają się w Europie, można by zadać pytanie, czy należy je traktować jako odpowiedniki mody w Stanach Zjednoczonych. Te pokazy mody są katalogowane online w Vogue Runway Archive (Vogue, 2015 ). Chociaż istnieje kilka popularnych sklepów z modą i kosmetykami – w tym Cosmopolitan, Glamour, Allure i Harper’s Bazaar – Vogue prawdopodobnie najbardziej koncentruje się na modzie. Vogue powstał w Stanach Zjednoczonych, a jego amerykańskie wydanie ma największy nakład ze wszystkich publikacji Vogue. Dlatego akceptujemy grupę projektantów mody opisaną w Runway Archive jako przedstawiciela wpływowej mody w Ameryce.

Dom mody może pokazywać jedną lub więcej swoich linii ( np . couture, prêt-à-porter) podczas jednego lub kilku z czterech tygodni mody w jednym lub kilku sezonach każdego roku. Każdy pokaz może mieć jednego lub więcej głównych projektantów. Badamy projektantów z następujących 11 sezonów i linii podczas czterech Tygodni Mody:

• Couture, Wiosna 2018, Jesień 2018, Wiosna 2019, Jesień 2019,
• Gotowe do noszenia, Wiosna 2019, Jesień 2019,
• Odzież męska, Jesień 2018, Wiosna 2019, Jesień 2019,
• Ośrodek 2019 i
• Przed jesienią 2019 r.

Zbiór danych składa się z 2608 pokazów mody. Na stronie internetowej Vogue Runway Archive każdy pokaz ma własną stronę z komentarzem tekstowym i zdjęciami. Prosimy pracowników społecznościowych o odwiedzenie tych stron, przeczytanie komentarza i wyodrębnienie nazwisk projektantów. Istnieje kilka przypadków do rozważenia, a my pomagamy pracownikom społecznościowym, jak sobie z nimi poradzić, za pomocą przykładów:

• Przykład 1. Dom mody Elie Saab zorganizował pokaz mody. Czytając artykuł, odkrywasz, że projektantem jest w rzeczywistości Elie Saab. Oznacza to, że dom mody i projektant mają tę samą nazwę. Więc wpisujesz nazwisko projektanta jako Elie Saab.
• Przykład 2. Dom mody Christian Dior zorganizował pokaz mody. Czytając artykuł, odkrywasz, że ubrania zostały zaprojektowane przez osobę o imieniu Maria Grazia Chiuri, która jest szczegółowo omówiona w dostarczonym tekście. Dlatego wpisujesz nazwisko projektantki jako Maria Grazia Chiuri.
• Przykład 3. Dom mody o nazwie Jean-Paul Gaultier zorganizował pokaz mody. Linkowany artykuł omawia obszernie kogoś o imieniu Stephen Jones, ale czytanie tekstu i przeprowadzanie innych badań ujawnia, że ​​chociaż Jones miał pewien twórczy wpływ, to Jean-Paul Gaultier był głównym projektantem. Dlatego podajesz nazwisko projektanta jako Jean-Paul Gaultier.
• Przykład 4. Dom mody Sachin & Babi zorganizował pokaz mody. Powiązany artykuł i twoje badania ujawniają, że projektanci to w rzeczywistości Sachin Ahluwalia i Babi Ahluwalia, i że jest to wspólny wysiłek projektowy, w którym obie osoby wnoszą dość równy wkład. Dlatego wpisujesz nazwiska obu projektantów.

Oczywiście wielu projektantów ma prace pojawiające się na więcej niż jednym pokazie. Po usunięciu zbędnych rekordów jest 889 unikalnych projektantów mody zidentyfikowanych przez pracowników społecznościowych.

W przypadku muzyki popularnej korzystamy z danych online z Billboard, głównej amerykańskiej marki medialnej (Billboard, 1997 ). Utwory z listy Billboard Hot 100 są co roku klasyfikowane na podstawie sprzedaży, słuchowisk radiowych i transmisji strumieniowych. Billboard Top 200 Albums obejmuje sprzedaż i transmisję strumieniową. Lista 100 najlepszych artystów muzycznych jest klasyfikowana na podstawie kombinacji sprzedaży albumów, odtwarzanych utworów, obserwujących w mediach społecznościowych i wyświetleń stron internetowych. Pozyskujemy muzyków pojawiających się na tych listach na koniec roku 2018 i 2019. Lista może dotyczyć nazwiska osoby, nazwy zespołu lub w niektórych przypadkach, takich jak album ze ścieżką dźwiękową, może nie być przypisanego ani jednego zespołu ani osoby. Chcemy określić głównych artystów muzycznych. Podobnie jak w przypadku mody, dostarczamy pracownikom społecznościowym kilka przykładów, które pomogą im zidentyfikować artystów muzycznych:

• Przykład 1: Jeśli wymieniony artysta muzyczny to Taylor Swift, głównym muzykiem będzie Taylor Swift.
• Przykład 2: Jeśli wymieniony artysta muzyczny to Maroon 5, głównym muzykiem byłby główny artysta, Adam Levine.
• Przykład 3: Jeśli wymieniona artystka muzyczna to Cardi B, Bad Bunny i J Balvin w piosence I Like It, głównym muzykiem byłaby Cardi B, ponieważ piosenka pojawiła się na jej albumie.

Pracownicy tłumu identyfikują 221 unikalnych popularnych artystów muzycznych.

W domenie filmowej zbieramy informacje z Internetowej Bazy Danych Filmowych (IMDB) (IMDB.com, 1990), a w szczególności 100 najbardziej dochodowych filmów z 2018 i 2019 roku. Filmy powstają dzięki wspólnemu wysiłkowi wielu kreatywnych współpracowników, od scenografów po aktorów. W przypadku każdego filmu IMDB identyfikuje dziesięciu głównych aktorów i/lub ekipę filmową, a my traktujemy tych zleceniodawców jako reprezentujących najbardziej znaczących współpracowników. Wśród 200 filmów, które stanowią podstawę naszego zestawu danych filmowych, znajduje się 1608 unikalnych par nazwisko-główna rola, podzielonych na 630 aktorów, 400 scenarzystów, 255 producentów, 196 reżyserów, 67 kompozytorów, 41 operatorów, 13 montażystów i 6 scenografów. Istnieje jednak 26 osób, które pełnią więcej niż jedną główną rolę. Na przykład Rashida Jones pojawia się w naszym zbiorze danych jako aktor w The Grinch i jako scenarzysta w Toy Story 4. Ponieważ nie jesteśmy zainteresowani studiowaniem głównej roli,

Jak opisaliśmy powyżej, w przypadku mody, sztuki współczesnej i muzyki popularnej pracownicy społecznościowi wprowadzają nazwiska kreatywnych współpracowników jako dowolny tekst. Te odpowiedzi tekstowe są zgodne z różnymi konwencjami dotyczącymi odstępów, wielkich liter, interpunkcji i pisowni. Aby ustandaryzować nazwy, używamy narzędzia danych OpenRefine do grupowania i czyszczenia tekstu przy użyciu kilku podejść, w tym łączenia linii papilarnych, łączenia n-gramów i łączenia najbliższego sąsiada z odległością Levensteina; patrz (Verborgh i DeWilde, 2013) jako wprowadzenie do tych podejść. Docieramy do zbioru 2229 współczesnych artystów, 889 projektantów mody, 1580 aktorów filmowych i 221 popularnych muzyków, na których skupiamy się w badaniach. Te 4921 rekordów obejmuje 4895 osób, ponieważ 24 osoby mają twórczy wkład w dwie domeny twórcze, co daje 48 unikalnych par nazwa-domena. Zachowujemy wszystkie te pary, ponieważ jesteśmy zainteresowani badaniem społecznie wnioskowanych danych demograficznych w każdej domenie.

Wnioskowanie demograficzne oparte na crowdsourcingu

W przypadku współczesnych artystów wykorzystujemy dane zebrane w (Topaz et al., 2019 ). W przypadku mody, filmu i muzyki zbieramy nowe dane. Dla każdego kreatywnego współtwórcy przyjętego do naszego badania, jak opisano powyżej, umieszczamy w MTurk imię i nazwisko osoby oraz krótki opis jej twórczego wkładu. Prosimy pracowników społecznościowych o wyciąganie wniosków demograficznych na temat każdej osoby na podstawie wyszukiwań w Wikipedii, Google, danych osobowych lub innych źródeł. Nasze dwa podstawowe pytania to:

1. 1.Jak myślisz, jakiej płci jest ta osoba? Odpowiadając na to pytanie, możesz użyć imienia i nazwiska osoby i/lub wszelkich znalezionych zdjęć tej osoby i/lub wszelkich informacji tekstowych odnoszących się do osoby z zaimkami płciowymi (np. oni/on/ona, ich / jego /jej).
   • Kobieta
   • Człowiek
   • Binarny wybór mężczyzna/kobieta nie ma zastosowania (np. niebinarny, niezgodny z płcią, agender)
   • Nie można ustalić; Nie mam wystarczających informacji, aby mieć świadome przekonanie
2. 2.Grupa etniczna to kategoria ludzi, którzy identyfikują się ze sobą na podstawie podobieństw, takich jak wspólne doświadczenia przodków, językowe, społeczne, kulturowe lub narodowe. Jak myślisz, jakie jest główne pochodzenie etniczne tej osoby?
   • Indian amerykańskich lub rdzennych mieszkańców Alaski. Osoba wywodząca się z któregokolwiek z pierwotnych ludów Ameryki Północnej i Południowej (w tym Ameryki Środkowej) i utrzymująca przynależność plemienną lub społeczność.
   • Czarny lub Afroamerykanin. Osoba wywodząca się z jednej z czarnych grup rasowych w Afryce.
   • azjatyckie. Osoba wywodząca się z któregokolwiek z pierwotnych ludów Dalekiego Wschodu, Azji Południowo-Wschodniej lub subkontynentu indyjskiego, w tym na przykład Kambodży, Chin, Indii, Japonii, Korei, Malezji, Pakistanu, Wysp Filipińskich, Tajlandii i Wietnamu.
   • Latynos. Osoba pochodzenia kubańskiego, meksykańskiego, portorykańskiego, południowo- lub środkowoamerykańskiego lub podobnego.
   • Rdzenni Hawajczycy lub mieszkańcy innych wysp Pacyfiku. Osoba wywodząca się z któregokolwiek z pierwotnych ludów Hawajów, Guamu, Samoa lub innych wysp Pacyfiku.
   • Bliski Wschód czy Afryka Północna. Osoba pochodząca z takich miejsc jak Algieria, Maroko, Egipt, Liban lub Syria.
   • Biały. Osoba pochodząca z Europy.
   • Pochodzenie etniczne niewymienione powyżej.
   • Nie można ustalić; Nie mam wystarczających informacji, aby mieć świadome przekonanie.

Definicje rasy i pochodzenia etnicznego nie są powszechnie uzgodnione, a ich rozróżnienie nie jest generalnie przedmiotem rozważań laików, którzy służą jako pracownicy MTurku. Dla uproszczenia w powyższym narzędziu ankiety używamy terminologii etnicznej, pamiętając, że w rzeczywistości zajmujemy się wspólnymi tożsamościami rasowymi/etnicznymi. Kolejnym ograniczeniem naszego podejścia jest to, że nie zajmujemy się tożsamościami wielorasowymi/wieloetnicznymi.

Za każdym razem, gdy pracownik społecznościowy wnioskuje o jakiejś charakterystyce, prosimy go o zaufanie do wyrażonego przez niego przekonania, które może określić jako „niezbyt pewny siebie”, „dość pewny siebie” lub „bardzo pewny siebie”. Jak wspomniano wcześniej, aby zapewnić solidność wyników, czterech pracowników społecznościowych niezależnie bada każdego kreatywnego współtwórcę. Łączymy wielokrotne wnioskowania w ostateczne wnioskowanie o tłumie w następujący sposób. Ocenom pewności przyznajemy punkty, od jednego punktu za „niezbyt pewny siebie” do trzech punktów za „wysoce pewny siebie”. Dlatego dla każdej cechy demograficznej możliwych jest do 12 punktów ufności. Ustaliliśmy próg sześciu punktów przypisanych wnioskowi, aby zaakceptować go w naszym zbiorze danych. Na przykład, jeśli dwóch na czterech pracowników społecznościowych wywnioskuje, że dana osoba jest pełnoletnia, niezgodna z płcią, lub niebinarny (AGNN) z wysokim zaufaniem, jeden pracownik społecznościowy wnioskuje, że osoba jest mężczyzną o średniej pewności siebie, a jeden pracownik społecznościowy wnioskuje, że osoba jest kobietą o średnim zaufaniu, akceptujemy wniosek tłumu jako AGNN. W przypadkach, gdy żaden wybór demograficzny nie spełnia progu sześciu punktów, przypisujemy NA do reprezentowania brakujących danych. Podobnie, w przypadkach, gdy każdy z dwóch wyborów daje po sześć punktów, interpretujemy tłum jako niezdolny do osiągnięcia konsensusu i przypisujemy NA. W przypadku niewielkiej ilości danych zwróconych jako NA w tym procesie członkowie naszego zespołu badawczego odgrywają rolę pracowników społecznościowych, próbując wywnioskować dane demograficzne. Ci członkowie zespołu są wykluczeni z analizy danych. a jeden z pracowników społeczności wnioskuje, że dana osoba jest kobietą o średniej pewności siebie, akceptujemy wniosek tłumu jako AGNN. W przypadkach, gdy żaden wybór demograficzny nie spełnia progu sześciu punktów, przypisujemy NA do reprezentowania brakujących danych. Podobnie, w przypadkach, gdy każdy z dwóch wyborów daje po sześć punktów, interpretujemy tłum jako niezdolny do osiągnięcia konsensusu i przypisujemy NA. W przypadku niewielkiej ilości danych zwróconych jako NA w tym procesie członkowie naszego zespołu badawczego odgrywają rolę pracowników społecznościowych, próbując wywnioskować dane demograficzne. Ci członkowie zespołu są wykluczeni z analizy danych. a jeden z pracowników społeczności wnioskuje, że dana osoba jest kobietą o średniej pewności siebie, akceptujemy wniosek tłumu jako AGNN. W przypadkach, gdy żaden wybór demograficzny nie spełnia progu sześciu punktów, przypisujemy NA do reprezentowania brakujących danych. Podobnie, w przypadkach, gdy każdy z dwóch wyborów daje po sześć punktów, interpretujemy tłum jako niezdolny do osiągnięcia konsensusu i przypisujemy NA. W przypadku niewielkiej ilości danych zwróconych jako NA w tym procesie członkowie naszego zespołu badawczego odgrywają rolę pracowników społecznościowych, próbując wywnioskować dane demograficzne. Ci członkowie zespołu są wykluczeni z analizy danych. interpretujemy tłum jako niezdolny do osiągnięcia konsensusu i przypisujemy NA. W przypadku niewielkiej ilości danych zwróconych jako NA w tym procesie członkowie naszego zespołu badawczego odgrywają rolę pracowników społecznościowych, próbując wywnioskować dane demograficzne. Ci członkowie zespołu są wykluczeni z analizy danych. interpretujemy tłum jako niezdolny do osiągnięcia konsensusu i przypisujemy NA. W przypadku niewielkiej ilości danych zwróconych jako NA w tym procesie członkowie naszego zespołu badawczego odgrywają rolę pracowników społecznościowych, próbując wywnioskować dane demograficzne. Ci członkowie zespołu są wykluczeni z analizy danych.

Podczas analizy wyników podciągniemy odpowiedzi z „Bliskiego Wschodu lub Afryki Północnej” do kategorii „Pochodzenie etniczne niewymienione powyżej”, aby nasze dane były współmierne z danymi American Community Survey. Nasze ostateczne kategorie rasy/etniczności wywnioskowanej społecznie to: Indianie amerykańscy/rdzenni mieszkańcy Alaski (AIAN), Azjaci, Czarni, Latynosi, rdzenni mieszkańcy Hawajów/wysp Pacyfiku (NHPI), biali i niewymienione. Zdajemy sobie sprawę z niefortunnych ograniczeń kategorii rasowych/etnicznych ACS. Są to szerokie kategorie, które w idealnym przypadku zostałyby podzielone, aby wierniej reprezentować poszczególne osoby. Tylko jako jeden przykład, osoba pochodzenia japońskiego i osoba pochodzenia pakistańskiego zostałyby sklasyfikowane jako Azjaci, chociaż osoby te mogą nie czuć się ze sobą etnicznie bliższe.

Po procesie wnioskowania w 172 rekordach (3,5%) wciąż brakuje społecznie wywnioskowanej płci i/lub rasy/etniczności. Ponieważ badamy tożsamości wywnioskowane społecznie, a nie prawdziwe, i ponieważ do badania krzyżujących się tożsamości potrzebujemy zarówno płci, jak i rasy/etniczności, jesteśmy zmuszeni wyeliminować je z naszych badań. Dochodzimy do naszego ostatecznego zestawu danych obejmującego 2092 współczesnych współczesnych artystów, 866 projektantów mody, 1569 członków ekipy filmowej i 220 popularnych muzyków. Te 4747 rekordów obejmuje 4724 osoby, ponieważ 23 osoby mają twórczy wkład w dwie domeny twórcze, co daje 46 unikalnych par nazwa-domena. Zachowujemy wszystkie te pary, ponieważ jesteśmy zainteresowani badaniem różnorodności wnioskowanej społecznie w każdej domenie.

Wiarygodność danych

Jak wspomniano w całym tekście, podejmujemy kilka kroków w celu zapewnienia jakości wnioskowania demograficznego i podsumowujemy je tutaj. Pozwalamy, aby nasze HITy były wypełniane tylko przez doświadczonych pracowników MTurk, którzy znajdują się w Stanach Zjednoczonych (co zwiększa prawdopodobieństwo, że są zaznajomieni z amerykańskimi kategoriami rasowymi), którzy mają wysokie wskaźniki akceptacji i którzy mają dużą liczbę wcześniej ukończonych zadań. Dostarczamy pracownikom przykłady i szczegółowe instrukcje, które pomogą im w ich procesie. Każdy kreatywny uczestnik naszego badania jest badany przez co najmniej czterech niezależnych pracowników i wymagamy od pracowników określenia stopnia zaufania do ich odpowiedzi, co pozwala nam zważyć tę odpowiedź, aby uzyskać uczciwą reprezentację konsensusu tłumu (lub jego braku) .2019 ).

Na koniec wykonujemy zadanie sprawdzania poprawności danych. Jeden z autorów tego badania, który nie był zaangażowany w początkowy etap wnioskowania demograficznego, wybrał podpróbę 3% twórców z każdej dziedziny artystycznej, co daje w sumie 142 autorów. Badacz wywnioskował rasę i płeć bez dostępu do wniosków pochodzących z crowdsourcingu. We wszystkich przypadkach wnioski tego autora zgadzały się z wnioskami konsensusu tłumu, sugerując solidność wyników. Nazywamy to raczej wiarygodnością, a nie pomijalnym błędem, ponieważ mierzymy wywnioskowane tożsamości, a nie rzeczywiste.

Dane porównawcze

American Community Survey (ACS) to badanie demograficzne przeprowadzane przez US Census Bureau. Aby zapewnić punkt odniesienia dla naszych wyników, używamy ACS, uznając ograniczenie, że badamy dane demograficzne wnioskowane społecznie, a ACS zgłasza dane samodzielnie zidentyfikowane. Mówiąc dokładniej, używamy próbki mikrodanych użytku publicznego z 2019 r. do oszacowań pięcioletnich (US Census Bureau, 2019 ).

Dla porównania z płcią wnioskowaną społecznie używamy zmiennej ACS dla płci. Najbliższe porównanie, jakiego jesteśmy w stanie dokonać, polega na zrównaniu płci męskiej z płcią „mężczyzna”, a płci żeńskiej z płcią „kobieta”. Zdajemy sobie sprawę ze szkód wyrządzonych przez ten wybór. Brak samoidentyfikujących się danych dotyczących płci z ACS, a zwłaszcza usuwanie osób pełnoletnich, transpłciowych, niezgodnych z płcią i niebinarnych jest niefortunne i powinno zostać naprawione.

Jeśli chodzi o rasę/pochodzenie etniczne, zaczynamy od zmiennych ACS dla rasy i pochodzenia latynoskiego i tworzymy własną zmienną pochodną z następującymi kategoriami:

• Indian amerykańskich/rdzennych mieszkańców Alaski (AIAN) = rasa Indian amerykańskich lub rdzennych mieszkańców Alaski, niezależnie od pochodzenia latynoskiego,
• Azjaci = rasa azjatycka niezależnie od pochodzenia latynoskiego,
• Czarny = rasa czarna lub afroamerykańska, niezależnie od pochodzenia latynoskiego,
• Latinx = biała rasa pochodzenia latynoskiego spoza Hiszpanii, niewymieniona rasa pochodzenia latynoskiego spoza Hiszpanii, wiele tożsamości rasowych pochodzenia latynoskiego spoza Hiszpanii,
• Rdzenni mieszkańcy Hawajów / wysp Pacyfiku (NHPI) = Rasa rdzennych mieszkańców Hawajów / wysp Pacyfiku,
• Biały = Biała rasa bez pochodzenia latynoskiego lub pochodzenia latynoskiego z Hiszpanii,
• Brak na liście = Dowolna kombinacja rasy i pochodzenia latynoskiego, której nie uwzględniono w powyższych opcjach.

Na koniec zdajemy sobie sprawę, że nie wszyscy twórcy w naszych czterech domenach mają siedzibę w Stanach Zjednoczonych. Można zapytać, czy porównanie danych demograficznych w tych domenach z demografią całej populacji Stanów Zjednoczonych jest zasadne. Muzea sztuki w naszym badaniu znajdują się w Stanach Zjednoczonych. Podczas gdy trzy z czterech głównych pokazów mody nie odbywają się w Stanach Zjednoczonych, znaczącą rolę odgrywają amerykańskie domy mody. Wreszcie, Hollywood znajduje się w Stanach Zjednoczonych, a listy przebojów muzyki popularnej to amerykańskie listy przebojów. Krótko mówiąc, zdajemy sobie sprawę, że porównanie tych sfer artystycznych z danymi ACS nie jest idealne, ale postępujemy mając na uwadze ograniczenia.

Etyka danych

Amerykańskie Towarzystwo Statystyczne (ASA) zapewnia wytyczne etyczne dotyczące praktyki statystycznej (Amerykańskie Stowarzyszenie Statystyczne, Komitet ds. Etyki Zawodowej, 2018 ), odnoszące się do ponad 50 kwestii związanych z odpowiedzialnością zawodową, integralnością danych i metodologii, przejrzystością publiczną, odpowiedzialnością wobec podmiotów badawczych i nie tylko . Szczegółowo rozważyliśmy wszystkie wytyczne, a teraz wymienimy kilka, które odgrywają szczególną rolę w naszym badaniu.

ASA stanowi, że badacze powinni zidentyfikować i złagodzić wszelkie preferencje, „które mogą z góry określić lub wpłynąć na analizy/wyniki”. Mając na uwadze tę dyrektywę, używamy pytań ankietowych opracowanych w innych recenzowanych, opublikowanych badaniach (Topaz i Sen, 2016 ; Topaz i in., 2019 , 2020 ) (zauważając, że niektórzy z nas są współautorami tych artykułów). Większość naszych danych pochodzi od anonimowych pracowników społecznościowych. Niewielka ilość danych pochodzi z badań przeprowadzonych przez członków naszego zespołu, ale między tymi badaniami a analizą danych istniała zapora ogniowa.

Ponadto w badaniach należy stosować „metody selekcji lub doboru próby oraz podejścia analityczne odpowiednie i ważne dla konkretnego pytania, które ma zostać rozwiązane, tak aby wyniki rozciągały się poza próbę na populację odpowiednią do celów przy minimalnym błędzie przy rozsądnych założeniach”. Nasze badanie jest próbą dogodną; nie wyciągamy wniosków statystycznych na temat populacji. Innymi słowy, identyfikujemy pewne twórcze sfery, które były badane we wcześniejszych badaniach naukowych, i wybieramy pełnomocników do wkładu w te sfery na podstawie wygody. Zamiast wyciągać wnioski na temat populacji, po prostu przedstawiamy zbiorcze statystyki dotyczące naszych zastępców.

ASA słusznie zauważa, że ​​badacze muszą zidentyfikować „ostatecznego sponsora finansowego badania, podany cel i zamierzone wykorzystanie wyników badania”. Nasza praca została zlecona przez Revolt Inc., kreatywną agencję konsultingową z Londynu. Ich własna praca została zlecona przez Lifewtr, oddział Pepsi. Jak nam przedstawiono, celem zleconego badania było rzucenie światła na marginalizację niektórych grup demograficznych w kluczowych sferach kreatywnych.

Na koniec zauważamy, że ponieważ twórcy kreatywni są osobami publicznymi, ponieważ pracownicy społecznościowi wykorzystują publicznie dostępne informacje do swoich badań, a dane, które dostarczają, stanowią społecznie wnioskowane dane demograficzne (a nie prawdę demograficzną), nasze badania nie są badaniami na ludziach. Chociaż nasze badania i dane publiczne spełniają odpowiednie standardy etyczne, niemniej jednak ważne jest dla nas podjęcie wszelkich możliwych kroków w celu złagodzenia potencjalnych szkód spowodowanych udostępnieniem naszego zestawu danych. Trudne jest poruszanie się po napięciu między łagodzeniem potencjalnych szkód z jednej strony, a odtwarzalnością z drugiej strony. Aby złagodzić szkody, zdecydowaliśmy się zredagować nazwiska kreatywnych współpracowników z naszego publicznie opublikowanego zbioru danych. Aby wspierać powtarzalność,

Zagregowane dane demograficzne wnioskowane społecznie przedstawiono w tabeli 1 . Pierwsze dwie kolumny określają społecznie wywnioskowaną płeć i rasę/pochodzenie etniczne, kolejne cztery kolumny przedstawiają wyniki naszych badań, a ostatnia kolumna zawiera szacunki ACS.

Interpretując nasze wyniki, należy koniecznie pamiętać o dwóch kwalifikatorach. Po pierwsze, nadreprezentacja/niedoreprezentacja i większościowość/mniejszość nie są synonimami. Na przykład grupa może być nadreprezentowana w domenie kreatywnej w porównaniu z obecnością tej grupy w całej populacji USA, ale nie oznacza to, że grupa ta jest większościowa ani że jest wolna od doświadczeń marginalizacji i ucisku. W rzeczywistości nie ma kreatywnej dziedziny, w której członkowie jakiejkolwiek grupy etnicznej innej niż biała są bliscy przewagi liczebnej nad białymi, a zatem grupy te prawdopodobnie doświadczą skutków białej struktury władzy. Po drugie, dla zwięzłości, w pozostałej części tej sekcji pomijamy wielokrotne użycie modyfikatora „wywnioskowany społecznie” przed płcią i rasą/pochodzeniem etnicznym.

Kobiety stanowią 51% populacji Stanów Zjednoczonych, a mimo to są niedostatecznie reprezentowane w każdej dziedzinie twórczości: sztuce współczesnej (28%), modzie (45%), filmie kasowym (27%) i muzyce popularnej (17%). Zobacz Ryc. 1 , który przedstawia płeć w każdej domenie kreacji wraz z danymi ACS i jest wygodny do porównywania płci w różnych domenach i populacji USA. Moda jest najbliższa wskaźnikowi populacji Stanów Zjednoczonych. Muzyka popularna jest najdalej, gdzie kobiety są trzykrotnie niedoreprezentowane. Ze względu na konieczność wykorzystania binarnych danych płciowych ACS jako zastępczych dla płci, niestety nie możemy komentować reprezentacji płci innych niż mężczyzna i kobieta.

W porównaniu z ACS kobiety są niedostatecznie reprezentowane w każdej domenie. Uwaga: agender AGNN, niezgodny z płcią lub niebinarny. Patrz Tabela 1 dla danych liczbowych.

Obraz w pełnym rozmiarze

Jeśli chodzi o rasę/pochodzenie etniczne, grupy inne niż białe stanowią 39% populacji USA, ale mniej więcej o połowę mniej w sztuce współczesnej (22%), modzie (22%), filmie (19%); patrz ryc. 2 , który przedstawia wywnioskowaną społecznie rasę/pochodzenie etniczne wraz z danymi ACS i jest wygodny do porównywania różnych domen i populacji USA. Natomiast zmarginalizowane grupy etniczne stanowią 48% twórców muzyki popularnej; zdecydowana większość z tych 48% to czarni muzycy, a następnie osoby z Latynosów. Reprezentacja Latynosów jest niska we wszystkich domenach, ale wyraźnie najniższa w modzie (2,4%), mimo że osoby z tej grupy stanowią około 17% populacji USA.

W porównaniu z ACS, zmarginalizowane grupy rasowe/etniczne są niedostatecznie reprezentowane w większości domen. Uwaga: AIAN Indianie amerykańscy/rdzenni mieszkańcy Alaski, NHPI rdzenni mieszkańcy Hawajów/wysp Pacyfiku, nie wymieniona tożsamość nieuwzględniona przez inne wybory. Patrz Tabela 1 dla danych liczbowych.

Aby zapewnić bardziej szczegółowe spojrzenie na przecięcie płci i rasy/etniczności w każdej domenie, ryc. 3 przedstawia proporcjonalne wykresy powierzchniowe. Obszar każdego pododdziału reprezentuje udział twórców kreatywnych należących do przecinającej się grupy o tożsamości płciowo-rasowej/etnicznej, a obszary należy interpretować jako sumę 100 procent. Każda domena twórcza jest zdominowana przez jedną lub dwie grupy tożsamościowe, a wśród nich zawsze są ludzie biali i/lub mężczyźni. W sztuce współczesnej dominują biali mężczyźni (55%), a następnie białe kobiety (23%). W modzie dominują biali mężczyźni (42%) i kobiety (36%) na mniej więcej podobnym poziomie. Film jest zdominowany przez białych mężczyzn (61%), a następnie przez białe kobiety (21%). W muzyce popularnej dominują mężczyźni, przy czym największy udział mają mężczyźni rasy czarnej (34%) i białej (42%).

Sztuka jest zdominowana przez jednostki, o których wnioskuje się, że są białymi mężczyznami, moda przez białych mężczyzn i kobiety, film przez białych mężczyzn, a muzyka przez czarno-białych mężczyzn. Ze względu na czytelność grupy o małych proporcjach nie są oznaczone, ale tabela 1 zawiera dane liczbowe.

Obraz w pełnym rozmiarze

Wreszcie, aby porównać tożsamości płciowo-rasowe/etniczne w różnych domenach i z populacją USA, ryc. 4udostępnia wykres bąbelkowy. W każdym kategorycznym punkcie przecięcia czarne bąbelki reprezentują udział tej grupy tożsamości w populacji USA, a kolorowe bąbelki reprezentują udziały w każdej domenie twórczej. Biali mężczyźni są nadreprezentowani w każdej dziedzinie w porównaniu z populacją USA. Białe kobiety są nieco nadreprezentowane w modzie i niedoreprezentowane we wszystkich innych dziedzinach. Azjaci są nieco nadreprezentowani w sztuce i modzie, a Azjatki w modzie. Czarni mężczyźni są znacznie nadreprezentowani w muzyce popularnej. Jak wspomniano wcześniej, grupa, która jest liczebnie nadreprezentowana, może nadal być marginalizowana i nadal może doświadczać ucisku. Poza wyżej wymienionymi wynikami, prawie wszystkie zmarginalizowane grupy doświadczają mniejszościowości wykraczającej poza poziom całej populacji USA.

W każdym kategorycznym punkcie przecięcia czarne bąbelki reprezentują udział tej grupy tożsamości w populacji USA, a kolorowe bąbelki reprezentują udziały w każdej domenie twórczej. Patrz Tabela 1 dla danych liczbowych. Uwaga: płeć AGNN, niezgodna z płcią lub niebinarna, Indianin amerykański AIAN/rdzenni mieszkańcy Alaski, NHPI rdzenni mieszkańcy Hawajów/wysp Pacyfiku, nieumieszczeni na liście tożsamość nieuwzględniona przez inne wybory.

Mając na uwadze znaczenie różnorodności w dziedzinach kreatywnych zarówno dla popularnych odbiorców, jak i dla samych kreatywnych twórców, zbadaliśmy społecznie wnioskowaną płeć i rasę/pochodzenie etniczne we współczesnej sztuce, modzie, filmie kasowym i muzyce popularnej. W porównaniu z danymi American Community Survey dotyczącymi populacji USA, kobiety są niedostatecznie reprezentowane w każdej dziedzinie kreatywnej. Zmarginalizowane grupy rasowe/etniczne, wzięte łącznie, są niedoreprezentowane dwukrotnie, przy czym większość z nich jest niedoreprezentowana w kilku domenach. Jeśli chodzi o skrzyżowanie płci i rasy/etniczności, biali mężczyźni są nadreprezentowani w każdej dziedzinie, 1,4-krotnie w modzie i muzyce, 1,8-krotnie w sztuce współczesnej i 2-krotnie w kasowym filmie.

Nasze badanie koncentruje się na wywnioskowanych tożsamościach demograficznych, ponieważ dane do samodzielnego zidentyfikowania są niedostępne i jest mało prawdopodobne, aby zostały uzyskane. Zarówno z etycznego, jak i naukowego punktu widzenia, byłoby lepiej, gdyby dane demograficzne osób publicznych w naszym badaniu zostały zidentyfikowane przez samego siebie. Jednak niedoreprezentacja i marginalizacja w dziedzinach kreatywnych mają znaczenie, dlatego przystąpiliśmy – ostrożnie – do zbadania tego empirycznie. Kolejne ograniczenie naszego badania dotyczy naszego wyboru źródeł danych, a mianowicie współczesnych artystów pojawiających się w katalogach niektórych amerykańskich muzeów, projektantów pokazów w głównych tygodniach mody, dyrektorów najbardziej dochodowych filmów kasowych, zgodnie z zestawieniami w Internet Movie Database, i popularni muzycy pojawiający się na listach przebojów Billboardu. Zamierzamy, aby te źródła służyły jako rozsądne proxy dla kreatywnego wkładu w każdej domenie, ale inne wybory danych są z pewnością możliwe i mogą dać inne wyniki. Nasze badanie jest również ograniczone w określonych osiach tożsamości. American Community Survey podaje nie płeć, ale raczej płeć binarną, co skutkuje usunięciem wielu grup mniejszości płciowych w ich danych, a co za tym idzie, w naszym własnym badaniu. Co więcej, chociaż nasze badanie dotyczy pierwotnej, wywnioskowanej społecznie płci i rasy/etniczności, nie dotyczy tożsamości wielorasowej/wieloetnicznej ani wielu innych ważnych osi tożsamości.

Nasze badanie ma charakter empiryczny i nie mówi ani o przyczynach niedostatecznej reprezentacji w domenach kreatywnych, ani o najlepszych rozwiązaniach. Jednak nasza praca identyfikuje określone miejsca niedostatecznej reprezentacji, co może pomóc w bliższym przyjrzeniu się z myślą o rozwiązaniach. Na przykład wiedza, że ​​osoby z Latynosów są prawie trzykrotnie niedoreprezentowane w filmie lub że czarnoskóre kobiety są trzynastokrotnie niedoreprezentowane w modzie, może pomóc naukowcom, aktywistom i profesjonalistom ukierunkować ich wysiłki i ocenić zmiany. Zmiana tych liczb wymagałaby presji opinii publicznej i/lub interwencji kadry kierowniczej, osób wpływowych i innych brokerów władzy.